神经网络之网络基础第1关：神经网络概述

任务描述

本关任务：通过学习神经网络模型的基础概念知识，完成相应的选择题。

相关知识

为了完成本关任务，你需要掌握：

1. 神经网络模型；
2. 经典神经网络结构；
3. 一般业务场景中神经网络适应性；
4. 神经网络深度。

神经网络模型

学术界中有着各种各样的神经网络模型，例如感知器、馈型神经网络、卷积神经网络、循环神经网络、组织映射等。这些不同的神经网络模型的差异主要在于神经元的激活规则、神经网络模型的拓扑结构以及参数的学习算法等。

• 神经元激活规则：主要针对神经元的输入到输出之间的映射关系 ，通常是非线性函数，也被称作激活函数 ；
• 神经网络模型的拓扑结构：主要是指神经元之间的关联关系，主要包括层数、连接方式（全连接或非全连接）、连接权值等，其中连接权值是神经网络中不断学习和调整的参数 ；
• 参数的学习算法：通过训练数据不断训练调整神经网络中的各项参数。

目前常见的神经网络结构包括：前馈网络结构、反馈网络结构和记忆网络结构。

• 前馈网络。网络模型中的每个神经元根据收到的信息时序分为不同的层。每层的神经元接收上一层神经元的输出，井输出到下一层神经元。 整个网络信息在一个方向传播，没有相反方向的信息传播，是一种有向无环图。

• 反馈网络。反馈网络模型不同于前馈网络，其神经元不仅可以接收来自上层的输出信号，还可以接收自己的反馈信号，因此反馈网络模型在不同的时刻有属于当前不同的状态，具有一定的记忆功能。

• 记忆网络 。记忆网络是在前馈网络和反馈网络的基础之上引入了记忆单元ÿ